Pandas多级索引DataFrame添加相邻空列时出现重复问题求助

问题分析 #

你当前的循环错误在于遍历了已经是MultiIndex类型的列（如('Pants', 'self')），添加新列时会把这个元组作为顶级列名的一部分，导致出现重复的顶级列（Pants出现两次，分别对应self和other），而不是在同一顶级列下扩展子列。

正确解决方案 #

方法1：遍历顶级列名添加子列

先将普通列转为带self的MultiIndex，再遍历顶级列名添加other子列，最后排序列确保结构一致：

import pandas as pd

# 模拟你的初始DataFrame
df_initial_unique = pd.DataFrame(
    {'Pants': ['yes', 'no', 'no'], 'Jacket': ['yes', 'no', 'no']},
    index=['Denim', 'Cotton', 'Silk']
)

# 第一步：将列转为MultiIndex，添加self子列
df_initial_unique.columns = pd.MultiIndex.from_tuples(
    [(col, 'self') for col in df_initial_unique.columns]
)

# 第二步：遍历顶级列名，添加other子列
top_cols = df_initial_unique.columns.get_level_values(0).unique()
for col in top_cols:
    df_initial_unique[(col, 'other')] = 'new'

# 第三步：按列索引排序，让同一顶级列的self/other相邻
df_initial_unique = df_initial_unique.sort_index(axis=1)

执行后即可得到目标结构：

Pants       Jacket      
           self other    self other
Denim       yes   new     yes   new
Cotton       no   new      no   new
Silk         no   new      no   new

方法2：用concat拼接两个子DataFrame

更简洁的方式是分别构建self和other对应的MultiIndex列DataFrame，再横向拼接：

import pandas as pd

# 初始普通DataFrame
df = pd.DataFrame(
    {'Pants': ['yes', 'no', 'no'], 'Jacket': ['yes', 'no', 'no']},
    index=['Denim', 'Cotton', 'Silk']
)

# 构建带self子列的DF
df_self = df.copy()
df_self.columns = pd.MultiIndex.from_tuples([(col, 'self') for col in df_self.columns])

# 构建带other子列的DF，值全为'new'
df_other = pd.DataFrame(
    'new', 
    index=df.index, 
    columns=pd.MultiIndex.from_tuples([(col, 'other') for col in df.columns])
)

# 拼接并排序列
result = pd.concat([df_self, df_other], axis=1).sort_index(axis=1)

错误原因说明 #

你之前的循环for col in df_initial_unique.columns中，col是完整的MultiIndex元组（如('Pants', 'self')），此时df_initial_unique[(col,"other")] = "new"会创建一个三级列索引(('Pants', 'self'), 'other')，最终导致顶级列重复。正确的做法是遍历顶级列名（如'Pants'），而非已有的MultiIndex列元组。

内容的提问来源于stack exchange，提问作者Imakeweirdstuff